人形机器人公司「逐际动力」完成亿元 A 轮融资,阿里等领投
通用机器人公司「逐际动力」完成过 A 轮战略融资,由阿里巴巴、招商局创投、上汽集团旗下尚颀资本领投,原始股东峰瑞资本、绿洲资本和明势资本跟投。值得注意的是,这也是阿里出手的第一家人形机器人公司。
「逐际动力」创立于 2022 年,主要产品包括全尺寸人形机器人、四轮足机器人、双足机器人等,落地应用于智能制造、工业巡检、物流配送、家庭服务等领域。本轮融资所筹资金将主要用于技术迭代,以满足人形机器人的 商业 化应用。
据了解,「逐际动力」是最早将空间智能和运动智能,在人形机器人上结合起来的公司之一。
2023 年 12 月,「逐际动力」首次展示自主研发的 "CL-1" 的人形机器人;2024 年 4 月,「逐际动力」又展示了 "CL-1" 的最新应用进展,机器人可以完成基于实时地形感知一步一阶上楼梯、起跑加速、转身往返等运动。而在完成了全地形的移动能力的验证后,接下来「逐际动力」将重点攻关通用移动操作能力,以及逐渐将多模态大模型技术融入人形机器人。
逐际动力产品展示
过去,人形机器人落地最大的挑战是部署成本很高,泛化能力有限,只能在特定场景里工作。因此,人形机器人的核心能力正是突破可靠通用性这一大关。这意味着,人形机器人有了进入现实生活的基础,能够构建在新环境中的适应能力,好比人类基于过去生活经验,不断适应新的生活场景。
而要突破难关,「逐际动力」一方面逐步将多模态大模型技术(具身、力觉、触觉、关节信息等模态)引进人形机器人,另一方面则推动硬件上实现通用性。
不过,如何提升人形机器人的泛化能力,虽然业内还没有达成技术共识,但也在不断涌现各种新的方法,比如模仿学习、基于视频的学习等。
据了解,「逐际动力」方面选择采用大量的人类运动数据,对人形机器人进行预训练(Pre-training),帮助机器人更好的完成任务、适应人类社会。总共分为三步:
1. 数据筛选:从现有视频资料中,选取人类各种运动各种画面;
2. 预训练:采集数据后,把通用机器人的基础运动能力从易到难进行分级,循序渐进预训练,这个过程让训练的结果更可控,得到高性能的策略;
3. 强化学习:利用 Real2Sim2Real 闭环,让现实数据不断在仿真环境中学习、训练,再进入真实世界印证学习 AI 的学习成果。在仿真和现实不断轮替学习的过程中,逐步缩小 AI 在两个环境中应用的差距,让机器人的 AI" 大脑 " 能真正的理解现实世界。
创始团队方面,「逐际动力」创始人张巍是南方 科技 大学长聘教授,此前曾任美国俄亥俄州立大学电气与计算机工程系(ECE)长聘教授。
目前,国内外大厂在人形机器人领域的抢夺早已白热化——腾讯去年 投资 港股成功上市的 " 人形机器人第一股 " 优必选;百度今年以来连续两轮押注 " 华为天才少年 " 稚晖君的智元机器人;美团选择了银河通用,还领投了宇树今年年初的 B2 轮融资。
在海外,各大科技巨头也纷至涌入人形机器人赛道,从特斯拉的标志性产品擎天柱,到英伟达、微软、OpenAI 和亚马逊创始人贝索斯一众看好的 Figure AI。
不过,据 36 氪观察,当前国内外 互联网 大厂在具身智能机器人方面的布局,主要分为两派:投资派和自主研发派。相比于大厂们财大气粗的直接投资,字节跳动、小米、英伟达、特斯拉等则选择自主研发。
国内大厂在人形机器人领域的布局,制图:智能涌现
国外大厂在人形机器人领域的布局,制图:智能涌现
根据 2023 年 5 月高工产业研究院(GGII)发布的报告预测,人形机器人预计在 2030 年全球市场规模突破 200 亿美元。
「逐际动力」创始人张巍曾经表示,人形机器人本质上是 " 具有硬件载体的 AI", AI 决定了机器人的泛化性,制造决定了产品的可靠性,从而实现其核心的能力——稳定可靠的通用性。可见人形机器人是 AI 世界和物理世界为数不多的交汇点,而大厂纷纷布局人形机器人,也是在抢先布局大模型之后的下一个人工智能大势。
资方评价:
招商局创投:"AI 是招商局集团‘第三次 创业 ’战略新兴产业布局的重要方向之一,通用机器人作为 AI 技术的重要物理载体,未来将走进千行百业。招商局集团作为一家综合央企,在交通物流、综合 金融 及城市与园区综合开发领域拥有着丰富的应用场景,对逐际动力的投资是我们在产业人工智能创新布局的重要一步,我们看好逐际动力团队的技术积累和创新能力,期待未来通用机器人在我们集团产业的落地。"
尚颀资本投资团队:" 随着大模型技术的爆发与硬件成本的持续降低,我们认为通用人形机器人是搭载 AI 最佳的下一代智能终端硬件。张巍博士深耕人形机器人领域研究多年,带领逐际动力团队不断推进具身智能 Foundation Model 的建立,并实现 Real2Sim2Real 的真正数据闭环。作为本轮领投方及产业方,我们期待和逐际动力一起加速推进通用人形机器人在智能制造等领域的应用。"
来源:36氪